人生苦短我用Python excel转csv

前言

Excel 文件和csv文件都是常用的电子表格文件格式，其中csv格式更便于用于数据交换和处理。本文使用pandas库将Excel文件转化为csv文件。

准备工作

pip install pandas
pip install openpyxl

pandas库

• csv库是Python标准库的一部分，提供了基本的csv文件读写功能。它不能直接支持读取 Excel 文件。

• 要读取 Excel 文件，通常需要使用 pandas 库。以下是来自官网的介绍：

pandas is a fast, powerful, flexible and easy to use open source data analysis and manipulation tool,
built on top of the Python programming language.

• 在读取不同文件格式所需要的engine。
• openpyxl 是一个用于读写 Excel 2010 xlsx/xlsm/xltx/xltm 文件的Python库。支持通过 Python 代码创建、修改和读取 Excel 文件，而无需依赖于 Microsoft Excel 应用程序。

"""
engine : {{'openpyxl', 'calamine', 'odf', 'pyxlsb', 'xlrd'}}, default None
    If io is not a buffer or path, this must be set to identify io.
    Engine compatibility :

    - ``openpyxl`` supports newer Excel file formats.
    - ``calamine`` supports Excel (.xls, .xlsx, .xlsm, .xlsb)
      and OpenDocument (.ods) file formats.
    - ``odf`` supports OpenDocument file formats (.odf, .ods, .odt).
    - ``pyxlsb`` supports Binary Excel files.
    - ``xlrd`` supports old-style Excel files (.xls).

    When ``engine=None``, the following logic will be used to determine the engine:

    - If ``path_or_buffer`` is an OpenDocument format (.odf, .ods, .odt),
      then `odf <https://pypi.org/project/odfpy/>`_ will be used.
    - Otherwise if ``path_or_buffer`` is an xls format, ``xlrd`` will be used.
    - Otherwise if ``path_or_buffer`` is in xlsb format, ``pyxlsb`` will be used.
    - Otherwise ``openpyxl`` will be used.
"""

主要类和方法

• pandas库中ExcelFile 类主要用于读取Excel文件， DataFrame 类用于表示和操作数据。

ExcelFile 类

• ExcelFile 类用于处理 Excel 文件，封装了解析和读取Excel文件的操作。
• 支持查看 Excel 文件中的工作表名称，并读取特定的工作表。
• 支持读取 Excel 文件中的多个工作表，并将每个工作表转换为一个 DataFrame 对象。

class ExcelFile:
    def __init__(
        self,
        path_or_buffer,
        engine: str | None = None,
        storage_options: StorageOptions | None = None,
        engine_kwargs: dict | None = None,
    ) -> None:

      
    @property
    def sheet_names(self):
        return self._reader.sheet_names

DataFrame 类

• DataFrame 类用于表示二维的、大小可变、潜在异构的表格数据。
• 可以包含多种数据类型的列，如整数、浮点数、字符串等。
• 可以进行各种数据操作，如选择、过滤、修改、合并、分组、排序等。

read_excel 函数

• pandas 库 read_excel 函数，用于从 Excel 文件中读取数据并将其转换为 DataFrame 对象。
• 支持多种参数来处理不同的 Excel 文件格式和内容。

def read_excel(
    io,
    sheet_name: str | int | list[IntStrT] | None = 0,
    *,
    header: int | Sequence[int] | None = 0,
    names: SequenceNotStr[Hashable] | range | None = None,
    index_col: int | str | Sequence[int] | None = None,
    usecols: int
    | str
    | Sequence[int]
    | Sequence[str]
    | Callable[[str], bool]
    | None = None,
    dtype: DtypeArg | None = None,
    engine: Literal["xlrd", "openpyxl", "odf", "pyxlsb", "calamine"] | None = None,
    converters: dict[str, Callable] | dict[int, Callable] | None = None,
    true_values: Iterable[Hashable] | None = None,
    false_values: Iterable[Hashable] | None = None,
    skiprows: Sequence[int] | int | Callable[[int], object] | None = None,
    nrows: int | None = None,
    na_values=None,
    keep_default_na: bool = True,
    na_filter: bool = True,
    verbose: bool = False,
    parse_dates: list | dict | bool = False,
    date_parser: Callable | lib.NoDefault = lib.no_default,
    date_format: dict[Hashable, str] | str | None = None,
    thousands: str | None = None,
    decimal: str = ".",
    comment: str | None = None,
    skipfooter: int = 0,
    storage_options: StorageOptions | None = None,
    dtype_backend: DtypeBackend | lib.NoDefault = lib.no_default,
    engine_kwargs: dict | None = None,
) -> DataFrame | dict[IntStrT, DataFrame]:

• 常用参数

参数	说明	默认值
io	Excel 文件的路径或文件对象
sheet_name	要读取的工作表名称或索引。 可以是字符串（工作表名称）、整数（工作表索引）、列表（多个工作表）或 None（所有工作表）	默认为 0（第一个工作表）
header	指定哪一行作为列名	默认为 0（第一行）
index_col	指定哪一列作为行索引。可以是整数或列名
usecols	指定要读取的列。可以是列索引、列名或列范围。
dtype	指定列的数据类型。可以是字典，键为列名，值为数据类型。
skiprows	跳过文件开头的一些行。可以是整数或列表。
nrows	要读取的行数。

to_csv 函数

• DataFrame 对象提供了一个非常方便的方法 to_csv，用于将 DataFrame 中的数据写入 CSV 文件。

    def to_csv(
        self,
        path_or_buf: FilePath | WriteBuffer[bytes] | WriteBuffer[str] | None = None,
        sep: str = ",",
        na_rep: str = "",
        float_format: str | Callable | None = None,
        columns: Sequence[Hashable] | None = None,
        header: bool_t | list[str] = True,
        index: bool_t = True,
        index_label: IndexLabel | None = None,
        mode: str = "w",
        encoding: str | None = None,
        compression: CompressionOptions = "infer",
        quoting: int | None = None,
        quotechar: str = '"',
        lineterminator: str | None = None,
        chunksize: int | None = None,
        date_format: str | None = None,
        doublequote: bool_t = True,
        escapechar: str | None = None,
        decimal: str = ".",
        errors: OpenFileErrors = "strict",
        storage_options: StorageOptions | None = None,
    ) -> str | None:

• 常用参数

参数	说明	默认值
path_or_buf	输出文件的路径或文件对象。 如果为 None，则返回 CSV 字符串。	None
sep	分隔符	默认为逗号 ,
index	是否写入行索引	默认为 True
header	是否写入列名	默认为 True
columns	指定要写入的列	默认为所有列
encoding	指定编码格式	默认为 utf-8

示例

实现很简单：

• 使用 pandas 库读取 Excel 文件；
• 读取工作表并将其转换为 DataFrame 对象；
• 将 DataFrame 写入 csv 文件。

import os

import pandas as pd


def export_csv(input_file, output_path):
    # 创建ExcelFile对象
    with pd.ExcelFile(input_file) as xls:
        # 获取工作表名称列表
        for i, sheet_name in enumerate(xls.sheet_names):
            # 读取工作表并转换为DataFrame
            df = pd.read_excel(xls, sheet_name=sheet_name)
            output_file = os.path.join(output_path, f'{i + 1}-{sheet_name}.csv')
            # 将DataFrame中的数据写入CSV文件。
            df.to_csv(output_file, index=False)